Insegnamento INTRODUCTION TO DATA ANALYSIS AND MODELING
- Corso
- Engineering management
- Codice insegnamento
- A002989
- Curriculum
- Comune a tutti i curricula
- Docente
- Paolo Banelli
- Docenti
-
- Paolo Banelli
- Ore
- 54 ore - Paolo Banelli
- CFU
- 6
- Regolamento
- Coorte 2023
- Erogato
- 2025/26
- Attività
- Affine/integrativa
- Ambito
- Attività formative affini o integrative
- Settore
- ING-INF/03
- Tipo insegnamento
- Opzionale (Optional)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- Inglese
- Contenuti
- 0 - Introduction to Data Analysis and Modelling 1 - Recap of Probability, Random Processes, Linear Systems and their analysis. 2 - Multivariate Data Analysis, linear Regression and hypothesis testing 3 - Dimensions Reduction and Features Extraction 4 - Advanced Regression Analysis 5 - Time Series Analysis 6 - Applications and Case Studies
- Testi di riferimento
- Gli studenti avranno a disposizione delle dispense preparate dai docenti.
- Obiettivi formativi
- Acquisire la capacità di analizzare insiemi di dati, individuare possibili relazioni statistiche e fattori di influenza, e la loro potenziale interpretazione attraverso l'uso di modelli (lineari). Acquisire le conoscenze teoriche di base per individuare i parametri (significativi) del modello, la loro affidabilità, e la associata predizione/interpolazione statistica dei dati.
Applicare queste tecniche a problemi specifici e di interesse nell'ingegneria gestionale. - Prerequisiti
- Nozioni di base di statistica, teoria della probabilità, algebra lineare, calcolo matriciale e vettoriale, teoria dei sistemi lineari, ed analisi tramite Trasformate di Fourier e Laplace. Elementi di programmazione strutturata.
- Metodi didattici
- Lezioni frontali del docente, con l'ausilio di slide e software di calcolo dedicato alla analisi (statistica) e alla visualizzazione dei dati. (es. Matlab, Python, R, Excel) e l'utilizzo di strumenti cloud come Google Colab.
- Modalità di verifica dell'apprendimento
- Progetto di analisi dati, da realizzare con l'aiuto di uno dei tool software utilizzati a lezione negli esempi pratici. Prova orale con discussione del progetto e verifica della conoscenza dei contenuti teorici dell'insegnamento. Possibile test scritto con un mix di domande a risposta multipla e risposta aperta.
- Programma esteso
- Programma potenziale: sarà adattato e finalizzato sulla base delle conoscenze pregresse degli studenti e della loro partecipazione in aula. 0 - Introduction Overview of Data Analysis and Modelling, Importance in Management Engineering, Introduction to Analytical Tools and Software 1a - Recap of Probability and Random Processes: Probability, Random Variables, Distributions and Density Functions, Expectation, Variance, Moments, Gaussian random variable, Stochastic Processes 1b - Recap on Linear Systems Basics of Linear Systems, Fourier Transforms, Laplace, and Zeta Transforms, Transfer functions and system response. 2a - Multivariate Data Analysis (3h) Introduction to Multivariate Data, visualization and Pre-processing of Multivariate Data, recap on Matrix Algebra and Vector Spaces 2b - Least Squares and Linear Regression Analysis: (6h) Method of Least Squares, Linear Regression Models, Hypothesis Testing and Confidence Intervals, Model Adequacy Checking 3 - Dimension Reduction and Feature Extraction (9h): Principal Component Analysis (PCA), Factor Analysis, Linear Discriminant Analysis (LDA), Canonical Correlation Analysis (CCA) 4 - Advanced Regression Analysis (6h) Logistic Regression, Regularized Regression: Ridge and LASSO, Sparse Logistic Regression, Model Selection and Cross-Validation 5a - Time Series Analysis Foundations (9h) Introduction to Time Series Data, Stationarity and Autocorrelation, AR and ARMA Models, Estimation and Forecasting. 5b - Advanced Time Series Analysis (6h) (tentative) Predictive Models for Time Series, Adaptive Filtering, Nonlinear and Nonstationary Time Series Analysis Multivariate Time Series Analysis 6 - Application and Case Studies (9h) Application of Data Analysis in Management Engineering, Case Study_1: Optimization and Decision Making, Case Study_2: Supply Chain Management, Case Study_4: Operations and Production Management Student Project Proposal Development and Approval, Implementation of Data Analysis and Modelling Techniques, Results, Discussion, and Revision. Final Submission and Presentation